科研之友
微信
新浪微博
Facebook
分享链接
摘要
重叠社区结构是大型复杂网络的一个显著特征，在社区检测算法的基础上，研究人员提出了低时间复杂度的重叠社区检测算法。但是这些算法也存在着不足之处，如执行过程中存在着较大的随机性导致算法不稳定等。为了进一步优化重叠社区检测算法，提出了一种新的基于度和节点聚类系数的节点重要性定义，按照节点重要性降序更新节点，固定节点更新策略，提高社区检测的稳定性。在此基础上，提出了一种基于图嵌入和多标签传播的重叠社区检测算法(overlapping community detection based on graph embedding and multilabel propagation algorithm,OCD-GEMPA)。该算法结合node2vec模型对节点进行低维向量表示，构建节点之间的权重值矩阵，根据权重值计算标签归属系数，依此选择标签，避免了随机选择问题。在真实数据集和人工合成数据集上对该算法进行实验验证，实验结果表明，与其他重叠社区检测算法相比，OCD-GEMPA算法在EQ和NMI这两个指标都有明显提升，具有更好的准确性和稳定性。
- 单位
